ファイルがあります。
Gene stable GO_ID
AAEL025769 AAEL025769-RA GO:0005525
AAEL020629 AAEL020629-RA GO:0003677
AAEL020629 AAEL020629-RA GO:0005634
AAEL020629 AAEL020629-RA GO:0000786
AAEL020629 AAEL020629-RA GO:0046982
AAEL011255 AAEL011255-RA GO:0005525
AAEL000004 AAEL000004-RA GO:0016021
AAEL000004 AAEL000004-RA GO:0016757
AAEL000004 AAEL000004-RA GO:0005789
AAEL000004 AAEL000004-RA GO:0006506
AAEL000004 AAEL000004-RA GO:0000030
AAEL003589 AAEL003589-RA NA
AAEL026354 AAEL026354-RA NA
いくつかの遺伝子については、いくつかのGO-IDがあります(例えば、上記の例のAAEL020629およびAAEL000004)。各遺伝子に複数のGO_IDがある場合は、それらをすべて1行に結合したいと思います(カンマとスペースで区切ります)。
以下は私が望む出力です。
Gene GO_ID
AAEL025769 GO:0005525
AEL020629 GO:0003677, GO:0005634, GO:0000786, GO:0046982
AAEL011255 GO:0005525
AAEL000004 GO:0016021, GO:0016757, GO:0005789, GO:0006506, GO:0000030
AAEL003589 NA
AAEL026354 NA
どうすればいいのかご存知ですか?ありがとう
答え1
そしてミラー
$ mlr --pprint nest --implode --values --across-records --nested-fs ', ' -f GO_ID then cut -x -f stable file
Gene GO_ID
AAEL025769 GO:0005525
AAEL020629 GO:0003677, GO:0005634, GO:0000786, GO:0046982
AAEL011255 GO:0005525
AAEL000004 GO:0016021, GO:0016757, GO:0005789, GO:0006506, GO:0000030
AAEL003589 NA
AAEL026354 NA
または(少し簡単ですが、出力に対する制御力が低下します)GNUデータ統合
$ datamash -HW groupby Gene collapse GO_ID < file
GroupBy(Gene) collapse(GO_ID)
AAEL025769 GO:0005525
AAEL020629 GO:0003677,GO:0005634,GO:0000786,GO:0046982
AAEL011255 GO:0005525
AAEL000004 GO:0016021,GO:0016757,GO:0005789,GO:0006506,GO:0000030
AAEL003589 NA
AAEL026354 NA
答え2
awkが役に立つかもしれません:
$ awk '{ a[$1]=a[$1]", "$3; }
END { for (i in a) { sub(/,/,"",a[i]);printf "%s %s\n",i,a[i] } }
' file
Gene GO_ID
AAEL003589 NA
AAEL025769 GO:0005525
AAEL026354 NA
AAEL000004 GO:0016021, GO:0016757, GO:0005789, GO:0006506, GO:0000030
AAEL020629 GO:0003677, GO:0005634, GO:0000786, GO:0046982
AAEL011255 GO:0005525